來源：AGl Hunt

微軟 CEO 納德拉剛剛發(fā)了一篇長文，表達(dá)的核心觀點(diǎn)是：每家公司都應(yīng)該擁有自己的 AI 學(xué)習(xí)循環(huán)，而不是把命運(yùn)交給幾個(gè)大模型。

納德拉長文

以下是納德拉全文內(nèi)容。

01 兩種資本

納德拉說，這次 AI 轉(zhuǎn)型和過去任何一次平臺遷移都不一樣。

過去我們用數(shù)字系統(tǒng)來增強(qiáng)人的能力，但這一次，我們第一次能在人和數(shù)字系統(tǒng)之間建立真正的認(rèn)知循環(huán)。這件事之所以讓人頭大，是因?yàn)樗鼜母旧细淖兞宋覀儗Α钙髽I(yè)里的工作」這件事的認(rèn)知。

真正的風(fēng)險(xiǎn)不在于某個(gè)工具好不好用，而在于……AI 模型可以持續(xù)吸收人和組織的專業(yè)知識，然后把它變成通用能力。

“ 你的知識，一旦被模型學(xué)走，就變成了所有人都能用的東西。

納德拉提出了一個(gè)新概念：每家公司都要同時(shí)建設(shè)兩種資本，人力資本和 Token 資本。

人力資本，就是員工的知識、判斷力、關(guān)系網(wǎng)、創(chuàng)造力和模式識別能力。

Token 資本，則是企業(yè)自己構(gòu)建和擁有的 AI 能力。

兩種資本互相增強(qiáng)

關(guān)鍵在于：人力資本不會因?yàn)?Token 資本的增長而貶值，反而會更值錢。

納德拉認(rèn)為，人的能動(dòng)性才是 Token 資本增長的驅(qū)動(dòng)力。人來設(shè)定目標(biāo)、跨領(lǐng)域連接、建立關(guān)系、識別那些真正重要的模式。

“ 沒有人的方向指引，你就只是在白白浪費(fèi)算力。

所以真正的機(jī)會，不在于選一個(gè)最好的模型。

而在于在模型之上建一個(gè)學(xué)習(xí)循環(huán)，讓人力資本和 Token 資本相互增強(qiáng)、持續(xù)復(fù)合增長。你可以把一個(gè)任務(wù)交出去，甚至把一個(gè)崗位交出去，但你永遠(yuǎn)不能把學(xué)習(xí)交出去。

“ 企業(yè)的未來，取決于它能不能讓人和 AI 的學(xué)習(xí)持續(xù)復(fù)合疊加。

這需要一種新的架構(gòu)思路：每家企業(yè)都應(yīng)該能構(gòu)建自己的 Agent 系統(tǒng)，讓它隨著使用不斷進(jìn)化，同時(shí)保留對自己知識產(chǎn)權(quán)的控制。

納德拉提了一個(gè)具體的測試標(biāo)準(zhǔn)：你應(yīng)該能隨時(shí)換掉底層的「通用型」模型，而不丟失系統(tǒng)里沉淀下來的「老員工」級別的專業(yè)知識。

這才是你在 AI 時(shí)代真正的控制權(quán)和主權(quán)。

03 具體路徑

納德拉給出了幾條具體路徑：

? 把企業(yè)的工作流、領(lǐng)域知識和積累的判斷力，轉(zhuǎn)化成可以隨使用不斷改進(jìn)的 AI 系統(tǒng)

? 建立私有評估體系，衡量模型是不是在對業(yè)務(wù)真正重要的指標(biāo)上進(jìn)步了（而不只是看公開 benchmark）

? 構(gòu)建私有強(qiáng)化學(xué)習(xí)環(huán)境，讓模型在組織內(nèi)部的真實(shí)數(shù)據(jù)軌跡上持續(xù)變強(qiáng)

? 把知識庫做成可查詢的系統(tǒng)，讓機(jī)構(gòu)記憶可以被調(diào)用，提升 Token 的使用效率

這個(gè)循環(huán)，就是企業(yè)新的知識產(chǎn)權(quán)。

納德拉把它叫做一臺「爬山機(jī)器」。

和大多數(shù)資產(chǎn)不一樣，它是復(fù)合增長的：每一個(gè)改進(jìn)的工作流都會產(chǎn)生更好的訓(xùn)練信號，進(jìn)而加速組織獨(dú)有的隱性知識的積累。

先建起來的公司，會擁有一種難以被復(fù)制的優(yōu)勢，不管后來又出了什么新模型。

04 別讓歷史重演

納德拉寫道：

“ 我們所有人最不愿意看到的，是一個(gè)這樣的世界：每個(gè)行業(yè)、每個(gè)領(lǐng)域的價(jià)值都被少數(shù)幾個(gè)模型吃掉。如果所有價(jià)值都只流向少數(shù)模型，社會的政治經(jīng)濟(jì)體系根本不會容忍它。AI 的未來如果是掏空整個(gè)行業(yè)，那就不會獲得社會的許可。

他還做了一個(gè)類比：

“ 想想第一波全球化發(fā)生了什么。整個(gè)工業(yè)經(jīng)濟(jì)體被外包掏空了。表面上 GDP 數(shù)字還不錯(cuò)，但真實(shí)的沖擊已經(jīng)發(fā)生了，后果至今還在持續(xù)。我們不能把這個(gè)動(dòng)態(tài)帶進(jìn) AI 時(shí)代，讓少數(shù)幾個(gè) AI 系統(tǒng)拿走所有經(jīng)濟(jì)回報(bào)，而整個(gè)行業(yè)的知識在腳下被商品化。

如果大模型把所有行業(yè)的知識都吸走，又不讓價(jià)值回流，那就是 AI 版的產(chǎn)業(yè)外包。

05 生態(tài) > 模型

最后，納德拉總結(jié)了自己的立場：

“ 我們的優(yōu)先級應(yīng)該是構(gòu)建前沿生態(tài)系統(tǒng)，而不只是前沿模型。讓價(jià)值廣泛地流向每家公司、每個(gè)行業(yè)、每個(gè)國家。讓每個(gè)組織都能擁有自己的學(xué)習(xí)循環(huán)，沉淀自己的機(jī)構(gòu)知識，讓人力資本和 Token 資本持續(xù)復(fù)合增長。

他說這也是自己成長過程中一直信奉的理念：平臺之上創(chuàng)造的價(jià)值，應(yīng)該大于平臺內(nèi)部捕獲的價(jià)值。

當(dāng)這件事發(fā)生的時(shí)候，企業(yè)會為自己和周圍的經(jīng)濟(jì)創(chuàng)造價(jià)值。員工的專業(yè)能力會被放大，他們的判斷力會成為可復(fù)制、可擴(kuò)展的系統(tǒng)的一部分，而收益最終會回到企業(yè)和社區(qū)。

原文翻譯

06

沒有生 沒有生態(tài)的前沿，是不穩(wěn)定的前沿

Satya Nadella @satyanadella

我最近一直在思考，在 AI 驅(qū)動(dòng)的經(jīng)濟(jì)中，“企業(yè)”的未來會是什么樣子。

這一次的轉(zhuǎn)變，與以往任何一次平臺變遷都不同。過去，我們用數(shù)字系統(tǒng)來增強(qiáng)人的能力；而這是我們第一次能夠在人與數(shù)字系統(tǒng)之間，建立起真正的”認(rèn)知閉環(huán)”。這是一件令人腦洞大開的事，因?yàn)樗淖兞宋覀儗ζ髽I(yè)內(nèi)部”工作”這一概念的理解方式。

真正攸關(guān)的，并不是某個(gè)數(shù)字工具或系統(tǒng)如何被使用，而是當(dāng) AI 模型能夠持續(xù)吸收人與組織的專業(yè)知識、并將其商品化時(shí)，組織該如何繼續(xù)學(xué)習(xí)、構(gòu)建知識產(chǎn)權(quán)、形成差異化，并在這樣的世界中繁榮發(fā)展。

每一家公司都將不得不構(gòu)建我所說的兩種資本：人力資本與Token 資本。人力資本，是其員工所擁有的知識、判斷力、人際關(guān)系、創(chuàng)造力與模式識別能力;Token 資本，則是企業(yè)自己構(gòu)建并擁有的 AI 能力。

值得強(qiáng)調(diào)的是，人力資本并不會隨著 Token 資本的增長而貶值——恰恰相反，它只會變得更有價(jià)值！我相信，人的能動(dòng)性將是 Token 資本增長的真正驅(qū)動(dòng)力。人將設(shè)定遠(yuǎn)大的目標(biāo)，在不同領(lǐng)域之間建立連接，經(jīng)營關(guān)系，并識別出最重要的那些模式。沒有人的方向引導(dǎo)，算力只會原地打轉(zhuǎn)。

這意味著，真正的機(jī)會并不在于挑選”最好的模型”，而在于在模型之上構(gòu)建一套學(xué)習(xí)閉環(huán)，讓人力資本與 Token 資本彼此疊加、復(fù)利增長。你可以把一項(xiàng)任務(wù)、甚至一份工作外包出去，但你永遠(yuǎn)無法把”學(xué)習(xí)”外包出去。企業(yè)的未來，正在于能否把這種學(xué)習(xí)跨越人與 AI 不斷復(fù)利積累。

這需要一種全新的架構(gòu)思路：讓每一家企業(yè)都能構(gòu)建會隨時(shí)間不斷改進(jìn)的智能體系統(tǒng)(agentic systems)，同時(shí)仍然牢牢掌控自己的知識產(chǎn)權(quán)。一家公司應(yīng)當(dāng)能夠更換掉某個(gè)”通用型”模型，而不會因此丟失沉淀在自身學(xué)習(xí)系統(tǒng)中的”公司老兵”式的專業(yè)經(jīng)驗(yàn)。在即將到來的時(shí)代，這正是檢驗(yàn)?zāi)闶欠裾嬲龘碛姓瓶亓εc主權(quán)的關(guān)鍵”試金石”。

企業(yè)需要把自己的工作流程、領(lǐng)域知識與積累的判斷力，轉(zhuǎn)化為能夠”越用越聰明”的 AI 系統(tǒng)。私有評測(private evals)應(yīng)當(dāng)衡量一個(gè)模型是否真的在那些對業(yè)務(wù)真正重要的結(jié)果上有所改進(jìn)——而不只是在外部基準(zhǔn)測試上的得分！私有的強(qiáng)化學(xué)習(xí)環(huán)境，應(yīng)當(dāng)讓模型能夠在來自組織內(nèi)部的真實(shí)軌跡(traces)上不斷變強(qiáng)。而它的知識庫，則讓機(jī)構(gòu)記憶變得可被查詢，也讓 Token 的使用更加高效。

這套閉環(huán)，將成為企業(yè)新的知識產(chǎn)權(quán)。我把它想象成一臺”爬坡機(jī)器”(hill climbing machine)。而且與大多數(shù)資產(chǎn)不同的是——它會復(fù)利增長。每一次被改進(jìn)的工作流程，都會產(chǎn)生更好的訓(xùn)練信號，從而加速積累那些獨(dú)屬于該企業(yè)的隱性知識(tacit knowledge)。那些早早建起這套系統(tǒng)的公司，將獲得一種極難被復(fù)制的優(yōu)勢——無論日后單個(gè)模型的能力再如何突破。

我們?nèi)魏稳俗畈幌Ｍ吹降模沁@樣一個(gè)世界：每個(gè)行業(yè)里的每一家公司，都在把價(jià)值拱手讓給少數(shù)幾個(gè)”吞噬一切所見”的模型。如果所有價(jià)值都只被極少數(shù)模型攫取，政治經(jīng)濟(jì)格局根本不會容忍這種局面。一個(gè)掏空整個(gè)產(chǎn)業(yè)的 AI 未來，是不會獲得社會許可的。

想想全球化第一階段里發(fā)生的事:整片整片的工業(yè)經(jīng)濟(jì)，被外包浪潮掏空。表面上 GDP 數(shù)字看起來還不錯(cuò)，但真實(shí)的沖擊切實(shí)存在，其后果至今仍在延續(xù)。我們不要把那種動(dòng)態(tài)帶進(jìn) AI 時(shí)代——讓少數(shù)幾個(gè) AI 系統(tǒng)攫取全部的經(jīng)濟(jì)回報(bào)，而整個(gè)整個(gè)行業(yè)卻眼睜睜看著自己的知識，在腳下被商品化掉。

在我看來，我們的首要任務(wù)，必須是構(gòu)建一個(gè)前沿生態(tài)，而不只是一個(gè)前沿模型——讓價(jià)值能夠廣泛地流向每一家公司、每一個(gè)行業(yè)、每一個(gè)國家。在這樣的生態(tài)中，每一個(gè)組織都能夠擁有那套編碼著自身機(jī)構(gòu)知識的學(xué)習(xí)閉環(huán)，讓自己的人力資本與 Token 資本不斷復(fù)利增長。

這正是我一路成長所秉持的理念:平臺所激發(fā)的、在其之上創(chuàng)造的價(jià)值，應(yīng)當(dāng)超過平臺自身所攫取的價(jià)值;每一家公司，都能夠持續(xù)創(chuàng)新，構(gòu)建屬于自己的價(jià)值。

當(dāng)這一切發(fā)生時(shí)，公司不僅為自己創(chuàng)造價(jià)值，也為身邊的經(jīng)濟(jì)創(chuàng)造價(jià)值。員工會看到自己的專業(yè)能力被放大，自己的判斷力成為某個(gè)系統(tǒng)的一部分——一個(gè)讓這種判斷力變得可復(fù)制、可規(guī)?；南到y(tǒng)，而由此帶來的收益，則會惠及公司以及周圍的社區(qū)。

這，才是企業(yè)為自身、也為更廣闊經(jīng)濟(jì)創(chuàng)造價(jià)值的方式。也正是我們應(yīng)當(dāng)共同構(gòu)建的那個(gè)穩(wěn)定均衡。

原文鏈接：https://x.com/satyanadella/status/2066182223213293753

閱讀最新前沿科技趨勢報(bào)告，請?jiān)L問21世紀(jì)關(guān)鍵技術(shù)研究院的“未來知識庫”

未來知識庫是 “21世紀(jì)關(guān)鍵技術(shù)研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報(bào)告

（加入未來知識庫，全部資料免費(fèi)閱讀和下載）